本发明专利技术涉及一种应用于物联网身份鉴别的掌纹特征提取与匹配方法，该方法对掌纹图像进行多尺度小波变换，获得小波子图，然后选取二尺度以上变换的前J级小波子图进行图像掌纹特征的提取，在提取获得图像掌纹特征之后，计算图像掌纹特征与目标掌纹特征之间的相似度，并根据相似度进行匹配判断。本发明专利技术提供的掌纹特征提取与匹配方法，选取变换尺度大的小波子图进行图像掌纹特征的提取，因此可以去掉与图像掌纹特征无关的皮纹信息，在减少处理过程的数据量和缩短处理时间的同时，能有效地提高识别的准确率，同时在构造特征向量时，采用的是计算小波子图小块的灰度平均值的方法，计算过程简单，并且在特征表达能力和噪声敏感度方面有较大的优越性。
【技术实现步骤摘要】
本专利技术涉及身份鉴别领域，更具体地，涉及一种应用于物联网身份鉴别的掌纹特 征提取与匹配方法。
技术介绍
随着社会的日益进步，人们对生活的舒适性提出了更高的要求，这促使了物联网 的飞速发展，Internet、RF、WIFI、Zigb ee等越来越多的通信技术被应用到物联网中，使得物 联网的适用范围不断地得到扩展。 但是这些技术手段也给物联网的安全带来隐患，譬如，在第三方获知用户账号密 码的情况下，用户的账号容易被人冒用。为了避免此种情况，用户在输入账号密码之后，常 常需要通过提取掌纹特征进行掌纹鉴别。 掌纹鉴别的原理是利用人的掌部纹理作为生物特征进行鉴别。由于每个人的掌纹 形态均不相同且所提供的信息量较指纹丰富，因此利用掌纹的线特征、点特征、纹理特征完 全可以确定人的身份。由于掌纹的主要特征明显，可在低分辨率图像中提取，在不易受噪声 干扰的同时其特征空间小，可实现快速检索和匹配。同时掌纹的区域比较大，信息量丰富， 因此少量的磨损和局部的变化几乎不会对整体的识别效果产生很大的影响。 掌纹特征的提取与匹配是掌纹鉴别过程最重要的环节，其实现算法的好坏直接影 响掌纹鉴别的准确率，而作为整个掌纹鉴别过程的一部分，在进行掌纹特征提取与匹配的 时候，其实现算法也应对数据的处理量、处理时间、计算复杂程度等方面进行考虑，以提高 算法效率。
技术实现思路
本专利技术提供了，该方法选 取二尺度以上变换的前j级小波子图进行图像掌纹特征的提取，因此可以去掉与图像掌纹 特征无关的皮纹信息，在减少处理过程的数据量和缩短处理时间的同时，能有效地提高识 别的准确率。 为实现以上专利技术目的，采用的技术方案是： ，对掌纹图像进行多尺度 小波变换，获得小波子图，然后选取二尺度以上变换的前j级小波子图进行图像掌纹特征 的提取，在提取获得图像掌纹特征之后，计算图像掌纹特征与目标掌纹特征之间的相似度， 并根据相似度进行匹配判断。 掌纹包括三种纹线结构，分别为屈肌纹、皱褶和皮纹，掌纹特征的表示应以屈肌纹 和皱褶的信息为主，因此在处理过程中应该尽量去掉皮纹的信息。通过分析可知，在多尺度 小波变换中，屈肌纹和皱褶的信息主要集中在大尺度的小波子图中，而皮纹信息则主要集 中在小尺度的小波子图中。因此在对掌纹图像进行多尺度小波变换，选取尺度较大的前j 级小波子图上进行图像掌纹特征的提取，可以有效去掉皮纹信息。 优选地，每级小波变换获得4幅小波子图，分别为0八、01、(^、^，其中04为低频分 量，CH、CV、CD分别为在水平方向、垂直方向、对角方向上的高频分量，前j级变换共获得4j 幅小波子图进行图像掌纹特征的提取。 优选地，对小波子图进行掌纹特征提取的过程具体如下： 将小波子图等分为ηΧη小块，计算各个小块的灰度均值，然后把各个小块的灰度 均值按行排列，构成小波子图的特征向量；再对4j幅小波子图的特征向量进行融合，获得 图像掌纹特征。 优选地，融合特征向量获得图像掌纹特征的过程具体如下： 令第j级变换获得的4幅小波子图的特征向量分别表示为βρ βρ βρ f3j4， β jl，β j2, β j3, β j4融合为第J_尺度下的掌纹特征，表示为丫 j= { β jl，β j2, β j3, β jj，前 级小波子图的特征向量融合构成图像掌纹特征，表示为P= {γρ γ2,......，γ}图像掌 纹特征的维数为4jn2。 优选地，采用欧几里得距离计算图像掌纹特征与目标掌纹特征之间的相似度，欧 几里得距离的公式表示如下：【主权项】1. ，其特征在于：对掌纹图像 进行多尺度小波变换，获得小波子图，然后选取二尺度以上变换的前j级小波子图进行图 像掌纹特征的提取，在提取获得图像掌纹特征之后，计算图像掌纹特征与目标掌纹特征之 间的相似度，并根据相似度进行匹配判断。2. 根据权利要求1所述的应用于物联网身份鉴别的掌纹特征提取与匹配方法，其特征 在于：每级小波变换获得4幅小波子图，分别为CA、CH、CV、⑶，其中CA为低频分量，CH、CV、 CD分别为在水平方向、垂直方向、对角方向上的高频分量，前j级变换共获得4j幅小波子图 进行图像掌纹特征的提取。3. 根据权利要求2所述的应用于物联网身份鉴别的掌纹特征提取与匹配方法，其特征 在于：对小波子图进行掌纹特征提取的过程具体如下： 将小波子图等分为nXn小块，计算各个小块的灰度均值，然后把各个小块的灰度均值 按行排列，构成小波子图的特征向量；再对4j幅小波子图的特征向量进行融合，获得图像 掌纹特征。4. 根据权利要求3所述的应用于物联网身份鉴别的掌纹特征提取与匹配方法，其特征 在于：融合特征向量获得图像掌纹特征的过程具体如下： 令第j级变换获得的4幅小波子图的特征向量分别表示为0j4， 3jl，3j2, 3j3, 3j4融合为第J_尺度下的掌纹特征，表示为丫j= { 3jl，3j2, 3j3,U，前 级小波子图的特征向量融合构成图像掌纹特征，表示为P= {丫:，丫2,......，图像掌 纹特征的维数为4jn2。5. 根据权利要求4所述的应用于物联网身份鉴别的掌纹特征提取与匹配方法，其特征 在于：采用欧几里得距离计算图像掌纹特征与目标掌纹特征之间的相似度，欧几里得距离 的公式表示如下：计算出相似度后，采用最近邻原则进行匹配判断，具体如下：其中Ptost为图像掌纹特征，G为目标掌纹特征第C类的第i个样本，L为类别数，N。为 每类样本的数目，其中Ptest被判定为属于c#类。6. 根据权利要求3~5任一项所述的应用于物联网身份鉴别的掌纹特征提取与匹配方 法，其特征在于：在融合特征向量之前，需要对特征向量进行归一化处理，具体如下：其中ai、amin、amM均为特征向量的分量，自i为经过归一化处理的特征向量分量。【专利摘要】本专利技术涉及，该方法对掌纹图像进行多尺度小波变换，获得小波子图，然后选取二尺度以上变换的前J级小波子图进行图像掌纹特征的提取，在提取获得图像掌纹特征之后，计算图像掌纹特征与目标掌纹特征之间的相似度，并根据相似度进行匹配判断。本专利技术提供的掌纹特征提取与匹配方法，选取变换尺度大的小波子图进行图像掌纹特征的提取，因此可以去掉与图像掌纹特征无关的皮纹信息，在减少处理过程的数据量和缩短处理时间的同时，能有效地提高识别的准确率，同时在构造特征向量时，采用的是计算小波子图小块的灰度平均值的方法，计算过程简单，并且在特征表达能力和噪声敏感度方面有较大的优越性。【IPC分类】G06F21-32, G06K9-00, G06K9-46【公开号】CN104778449【申请号】CN201510137211【专利技术人】姚长标, 廖中原, 区健强 【申请人】广东瑞德智能科技股份有限公司【公开日】2015年7月15日【申请日】2015年3月25日本文档来自技高网...
【技术保护点】
一种应用于物联网身份鉴别的掌纹特征提取与匹配方法，其特征在于：对掌纹图像进行多尺度小波变换，获得小波子图，然后选取二尺度以上变换的前j级小波子图进行图像掌纹特征的提取，在提取获得图像掌纹特征之后，计算图像掌纹特征与目标掌纹特征之间的相似度，并根据相似度进行匹配判断。
【技术特征摘要】
【专利技术属性】
技术研发人员：姚长标，廖中原，区健强，
申请(专利权)人：广东瑞德智能科技股份有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。